相关实验视频
Updated: Jan 18, 2026
08:16
Movement Retraining using Real-time Feedback of Performance
Published on: January 17, 2013
13.8K
使用RGB摄像头开发基于标记器的动作捕捉:用于球形标记器检测的神经网络方法
1Faculty of Human Health, Kurume University, 1635 Miichou, Kurume 839-0851, Fukuoka, Japan.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
本研究介绍了一种成本效益高的基于标记器的运动捕捉系统,使用RGB摄像头和神经网络 (NN) 模型. 该系统准确地估计了标记器坐标,为运动分析提供了昂贵的红外系统的可行替代方案.
科学领域:
- 生物力学 生物力学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 基于标记器的运动捕捉系统,通常使用红外摄像头 (IR MoCaps),在生物力学研究中至关重要,但通常价格过高.
- 高昂的成本限制了许多研究机构广泛实施先进的运动捕捉技术.
研究的目的:
- 利用RGB摄像头开发一个具有成本效益的基于标记器的运动捕捉系统.
- 创建一个神经网络 (NN) 模型,准确估计球形标记器的数字化坐标.
主要方法:
- 一个神经网络模型被训练使用虚拟标记器插入RGB图像从非标记器试验.
- 八个RGB摄像头记录了13名参与者在25个身体地标上行走,带有和没有标记.
- 该NN模型检测到球形标记,它们的3D坐标被重建并与黄金标准进行比较.
主要成果:
- 开发的NN模型证明了从RGB摄像头录像中检测球形标记的熟练程度.
- 与黄金标准相比,重建的3D标记坐标实现了2.2毫米的平均结果误差.
- 该系统实现了与传统IR MoCap系统相比的自动标记重建.
结论:
- 拟议的方法提供了一种低成本,完全自动的标记重建解决方案,用于运动分析.
- 这种方法为昂贵的IR MoCap系统提供了可行且准确的替代方案.
- 这项技术在运动分析的各个领域具有更广泛的应用潜力.
